المكاسب:
- القدرة على التمييز بين الانبعاثات (من المصدر) والتركيز (المقاس في الهواء) وتحويل البيانات المعايرة إلى AQI ومقارنتها بالعتبات
- القدرة على بناء نموذج للتنبؤ بالتلوث على المدى القصير وتقديم كل تنبؤ بأمانة مع فترات الثقة وحدود النموذج
- القدرة على دعم ادعاءات الصحة العامة بالأدلة دون الحاجة إلى تكييف الذكاء الاصطناعي للأجزاء التي تتطلب التوزيع/الفيزياء
تلوث الهواء غير مرئي ولكنه مميت: فهو يسبب ملايين الوفيات المبكرة كل عام ويرتبط بتغير المناخ. تتحمل المؤسسات مسؤولية كل من انبعاثات المداخن الخاصة بها ونوعية الهواء المحيط بها. في هذه الوحدة، ستتعلم معايير جودة الهواء وطرق القياس والنمذجة والتنبؤ باستخدام الذكاء الاصطناعي وحدود كل ذلك.
المفاهيم أولا يتم قياس جودة الهواء بشكل عام على العديد من الملوثات الرئيسية: PM2.5 وPM10 (جسيمات أصغر من 2.5 و10 ميكرون - غبار قابل للاستنشاق)، NO₂ (ثاني أكسيد النيتروجين - من الاحتراق)، SO₂ (ثاني أكسيد الكبريت)، O₃ (الأوزون على مستوى الأرض)، وCO (أول أكسيد الكربون). AQI (مؤشر جودة الهواء) هو المؤشر الذي يحول هذه الملوثات إلى مقياس ملون/مرقم واحد (جيد-خطير) يمكن للجمهور فهمه. الانبعاث هو الكمية المنبعثة من المصدر، بينما التركيز هو التركيز في الهواء؛ ومن الأهمية بمكان عدم الخلط بين الاثنين.
تلميح: الانبعاث (من المصدر) والتركيز (المقاس في الهواء) شيئان مختلفان. تتسبب الرياح ودرجة الحرارة والتضاريس في أن يؤدي نفس الانبعاث إلى تركيزات مختلفة جدًا. إن القول بأن "الخروج من المدخنة أقل" لا يعني أن "الهواء القريب نظيف".
النمذجة: من الانبعاث إلى التركيز
إن حساب تركيز المادة الملوثة الخارجة من المدخنة والتي ستصل إلى حي مجاور هو مسألة نمذجة التشتت. تستخدم هذه النماذج الأرصاد الجوية (اتجاه/سرعة الرياح، واستقرار الغلاف الجوي) والتضاريس. النماذج الكلاسيكية (مثل نموذج التوزيع الغوسي) تعتمد على الفيزياء؛ يُستخدم الذكاء الاصطناعي لتسريع هذه النماذج، وتفسير المخرجات، واستخراج الأنماط من مجموعات بيانات القياس الكبيرة - ولكن من الخطر "جعل" الفيزياء متوافقة مع الذكاء الاصطناعي.
التنبؤ: التنبؤ بطقس الغد
أقوى مجال للذكاء الاصطناعي هو التنبؤ: بناء نماذج تتنبأ بمستويات الملوثات غدًا أو بعد ساعات قليلة، باستخدام القياسات التاريخية وبيانات الأرصاد الجوية وحركة المرور. يعد هذا مفيدًا لتحذيرات واحتياطات الصحة العامة (مثل تقييد حركة المرور). لكن كل تنبؤ به حالة من عدم اليقين، وسيكون النموذج خاطئًا عندما يقع خارج الظروف التي تدرب عليها (على سبيل المثال، حريق غير متوقع).
خطوة بخطوة: تحليل جودة الهواء
1. حدد السؤال والمعلمة. أي ملوث، أي موقع، ولأي مدة؟
2. التحقق من مصدر البيانات. محطة مرجعية أم مستشعر منخفض التكلفة؟ عيار؟
3. المعالجة المسبقة. تنظيف البيانات المفقودة، وانحراف أجهزة الاستشعار، والقيم المتطرفة.
4. قم بالتحويل إلى AQI وقارنه بالعتبة. هل تم تجاوز الحد القانوني؟
5. النموذج/التنبؤ. الاتجاه والموسمية والإسقاطات المستقبلية.
6. الإبلاغ عن عدم اليقين. قم دائمًا بتقديم التقديرات مع فترات الثقة وحدود النموذج.
ثلاث حالات صغيرة
الحالة 1 - ارتباك تركيز الانبعاثات. أرادت إحدى المنشآت أن تعلن أنها خفضت انبعاثات مداخنها بنسبة 20%، وبالتالي "كان هواء الحي أنظف بنسبة 20%". وبين الخبير أن اتجاه الرياح تغير في ذلك الوقت وأن تركيزها تأثر فعلياً بالأرصاد الجوية؛ وكان تخفيض الانبعاثات حقيقيا، ولكن ادعاء التركيز لم يكن مدعما بالأدلة. اقتصر البيان على "لقد قللنا انبعاثات المداخن بنسبة 20٪" ؛ المطالبة الجوية دون إزالة الأدلة.
الحالة 2 - معايرة المستشعر. تلقت إحدى المدارس تنبيهًا بوجود "خطير PM2.5" باستخدام جهاز استشعار منخفض التكلفة. وعندما قارن الخبير المستشعر بمحطة مرجعية قريبة، وجد أن القيمة تتضخم عند الرطوبة العالية؛ وبعد تصحيح الرطوبة انخفضت القيمة إلى المستوى "المتوسط". يمكن أن يسبب جهاز الاستشعار غير المعاير حالة من الذعر. (يوضح هذا مرة أخرى مدى أهمية معايرة المستشعر في كل منطقة قياس.)
الحالة 3 - عدم اليقين المتوقع. وحذرت إحدى البلديات من "التلوث العالي" في اليوم التالي من خلال نموذجها للتنبؤ بالذكاء الاصطناعي، لكن عاصفة رملية غير متوقعة أحبطت التوقعات. وكان الفريق قد أفاد سابقًا أن النموذج "غير موثوق به بالنسبة لأحداث البيانات غير التدريبية"؛ ولذلك تم تقديم التحذير على أنه "ممكن" ولم يكن هناك فقدان للثقة. إن توضيح عدم اليقين هو الاستخدام المسؤول للتنبؤ.
موجه ضعيف / موجه قوي
حث ضعيف:
توقع غدا مع بيانات الطقس هذه.
لماذا هو ضعيف: لا يوجد طلب على المعلمات والموقع وجودة البيانات ونوع النموذج وعدم اليقين. سيكون الناتج رقمًا واحدًا، وموثوقيته غير معروفة.
مطالبة قوية:
دورك: عالم بيانات جودة الهواء. باستخدام بيانات PM2.5 لكل ساعة والأرصاد الجوية (الرياح والرطوبة ودرجة الحرارة)، قم بإعداد نموذج تنبؤ بسيط (مثل تعزيز التدرج) في Python للـ 24 ساعة القادمة. الخطوات: (1) تنظيف البيانات والتحكم في انحراف المستشعر، (2) إعداد الميزات، (3) النموذج، (4) إعطاء التنبؤات بفاصل الثقة. اذكر بوضوح حدود النموذج (عدم الموثوقية في المواقف غير التعليمية). البيانات: [هنا]
أربعة قوالب قابلة للنسخ
1) تنظيف بيانات الهواء + AQI:
قم بتنظيف قياسات جودة الهواء التالية باستخدام لغة بايثون (أقل من الهدف، عالق، انجراف، تجاوز) وقم بتحويلها إلى معيار جودة الهواء (AQI). حدد صيغة AQI التي تستخدمها؛ مناسب. حدد الساعات التي تتجاوز الحد القانوني. البيانات: [هنا]
2) التمييز بين الانبعاث والتركيز:
تحقق من الادعاء التالي: هل يتعلق الأمر بالانبعاثات (من المصدر) أم التركيز (مقاسًا في الهواء)؟ سلط الضوء على الأجزاء التي تخلط بين الاثنين أو تتجاهل الأرصاد الجوية واقترح إعادة صياغة محسوبة بناءً على الأدلة. المطالبة: [هنا]
3) نموذج التنبؤ (مع عدم اليقين):
دورك: عالم البيانات. قم ببناء نموذج تنبؤ قصير المدى (Python) لـ [الملوث] مع السلاسل الزمنية التالية. أعط كل توقع مع فترة الثقة الخاصة به. اكتب بوضوح تحت أي ظروف (حدث غير تدريبي، طقس متطرف) سيكون النموذج غير موثوق به. ادعاء الحقيقة المتفائلة بشكل مفرط FAKE.Data: [هنا]
4) ملخص مساهمة الموارد:
من خلال بيانات جودة الهواء والرياح أدناه، قم بتحليل الاتجاه الذي تأتي منه الرياح خلال ساعات التلوث العالية لإعطاء فكرة عن اتجاه المصدر المحتمل. لا تقل "هذا هو المصدر" صراحة؛ عرض الاحتمال والتحقق. البيانات: [هنا]
الأخطاء الشائعة
- الخلط بين الانبعاث والتركيز. انخفاض المدخنة لا يعني نظافة الهواء.
- الاعتماد على جهاز استشعار غير معاير. الرطوبة والانجراف تضخم القيم.
- تقديم التقدير دون التأكد. وينبغي إعطاء كل تقدير مع فاصل الثقة.
- جعل الفيزياء متوافقة مع الذكاء الاصطناعي. يتطلب نموذج التوزيع الفيزياء؛ "التنبؤ" في LLM ليس فيزياء.
- تذكر الحدود القانونية. خذ القيم الحدية من التشريع.
تنبيه: تتعلق ادعاءات جودة الهواء بالصحة العامة. إن الادعاء "النظيف" الكاذب يعرض الناس للخطر؛ إن الإنذار "القذر" الذي لا أساس له من الصحة يخلق حالة من الذعر غير الضروري ويتسبب في أضرار اقتصادية. ادعم كل مطالبة ببيانات معايرة ونموذج مناسب وحالة واضحة من عدم اليقين.
باختصار
جودة الهواء؛ فهو يتطلب فصل الانبعاثات عن التركيز، ومعايرة القياس، والنمذجة المناسبة والتنبؤ المشوب بعدم اليقين. منظمة العفو الدولية. إنه قوي في تنظيف البيانات واستخراج الأنماط والتنبؤ على المدى القصير. لكن التوزيع القائم على الفيزياء، ومعايرة أجهزة الاستشعار، والعتبات القانونية، والإبلاغ الصادق عن عدم اليقين، كلها أمور تخص الخبير. الرقم الموجود على المدخنة ليس هو نفس رقم الهواء في الحي.
مهمة التطبيق
قم بإعداد بيانات PM2.5 الافتراضية لكل ساعة وبيانات الأرصاد الجوية لموقع ما. باستخدام القالب الأول، اطلب من الذكاء الاصطناعي تنظيف البيانات وتحويلها إلى AQI ووضع علامة على تجاوزات العتبة. ثم قم ببناء نموذج تنبؤ قصير المدى باستخدام القالب الثالث وتأكد من أن كل تنبؤ يأتي مع فاصل ثقة. أخيرًا، قم بتدقيق مطالبتك المتعلقة بجودة الهواء فيما يتعلق بالانبعاثات/التركيز باستخدام النموذج 2.
قائمة مرجعية
- [ ] لقد قمت بالتمييز بين الانبعاث والتركيز بشكل صحيح.
- [ ] لقد قمت بفحص بيانات المستشعر للمعايرة والانجراف.
- [ ] لقد حصلت على مؤشر جودة الهواء (AQI) والعتبات من الصيغة/التشريع الصحيح.
- [ ] لقد قدمت التقديرات بفاصل الثقة وحد النموذج.
- [ ] لم يكن لدي الذكاء الاصطناعي لتكييف الأجزاء التي تتطلب التوزيع/الفيزياء.
- [ ] لقد دعمت ادعاءات الصحة العامة بالأدلة.